基于COOT算法的局部阴影下光伏阵列MPPT控制研究

针对光伏阵列在局部阴影下会产生多个功率峰值,可能出现跟踪到错误的功率峰值的情况,将白冠鸡优化算法(COOT)应用于局部阴影MPPT控制,通过动态调整太阳能电池板输出电压和电流,使得太阳能电池板的输出功率最大,从而提高太阳能电池板的转换效率和输出功率。结果表明,不论是在静态还是动态阴影条件下,采用白冠鸡优化算法都能准确定位到最大功率峰值点。

基于COOT-SVM的短期光伏发电功率预测

为了提高短期光伏发电功率预测的精度,提出了一种基于白冠鸡优化算法(COOT)优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,分别选取某光伏电站在2017年4月和7月的前21天数据进行仿真分析,计算光伏输出功率和每一个气象因素之间的皮尔逊相关系数;然后,依据皮尔逊相关系数选择太阳总辐射强度、太阳散射辐射强度、太阳直射辐射强度、组件温度和环境温度5个气象因素作为预测模型的输入数据,光伏电站的发电功率作为输出数据。通过与BP和SVM预测模型进行仿真对比可知,对于4月和7月的数据来说,COOT-SVM预测模型的均方根误差、均方误差和平均绝对误差均比BP和SVM预测模型小。因此,所提COOT-SVM预测模型可有效提高短期光伏发电功率的预测精度,具有较高的工程应用价值。